¿Cómo detectar lagunas semánticas en el contenido con una herramienta de detección de entidades?

La página ya incluye las palabras clave objetivo, pero sigue sin responder a lo que realmente interesa a los usuarios. Es posible que no falten repeticiones de palabras clave, sino objetos clave, atributos y relaciones entre ellos. Las herramientas de detección de entidades pueden ayudar a localizar estas omisiones, pero las «entidades no cubiertas» que muestran sus resultados solo deben servir como pistas para revisar el contenido, no como una lista de elementos que haya que añadir obligatoriamente.

La clave para determinar si existe una brecha semántica es confirmar qué información necesita el usuario para completar la tarea de búsqueda actual, si la página la ofrece y si establece vínculos claros y fiables entre los distintos elementos. Que aparezca una palabra clave no significa que el tema esté bien explicado; del mismo modo, identificar más entidades no implica que el contenido sea de mayor calidad.

Distinguir entre «no se ha identificado» y «realmente no está bien explicado»

Una entidad puede ser un objeto identificable, como una marca, un producto, un material, una institución o un lugar. Algunas herramientas de análisis semántico también extraen términos técnicos, atributos y frases temáticas, pero no todos estos resultados son entidades con nombre en sentido estricto. Aunque las herramientas tengan nombres similares, su alcance de detección puede variar.

Por ejemplo, una página sobre «cómo seleccionar una bomba centrífuga de acero inoxidable» puede mencionar el «acero inoxidable», el «caudal» y la «altura de impulsión», pero aun así no explicar la relación entre la temperatura, la viscosidad y la corrosividad del fluido, y la selección del sello. La brecha no consiste en que falten algunos sustantivos, sino en que no se explica cómo las condiciones de funcionamiento afectan a la selección.

A la inversa, que una herramienta no identifique un modelo no significa necesariamente que a la página le falte información. Las abreviaturas de modelos, los términos propios del sector y las traducciones de términos a distintos idiomas pueden provocar omisiones en la detección. Por eso, hay que contrastar los resultados con el texto original y no asumir que un fallo de identificación equivale a contenido ausente.

Hacer que la página analizada y el contenido de referencia sean comparables

Antes de iniciar el análisis, redacte una frase que describa una tarea concreta de la página, por ejemplo: «Ayudar a los usuarios a seleccionar una bomba centrífuga según el fluido y las condiciones de funcionamiento», en lugar de algo impreciso como «Presentar las bombas centrífugas». Esa frase determina qué entidades conviene analizar y qué información debe excluirse.

Las páginas de referencia deben ser similares a la página objetivo en cuanto a la tarea de búsqueda, el idioma y el mercado destinatario. No conviene comparar directamente una página de detalles de producto con una entrada enciclopédica, ni copiar sin más un tutorial de mantenimiento para una página de selección de equipos de compra. Se pueden elegir algunas páginas pertinentes entre los resultados de búsqueda y contrastarlas con manuales técnicos, fichas de especificaciones y otros materiales. Aparecer en una posición destacada solo indica que vale la pena analizar una página; no demuestra que toda su información sea precisa o necesaria.

Al extraer el cuerpo del texto, excluya la navegación, el pie de página, los artículos recomendados, las barras laterales y los módulos repetidos. De lo contrario, la herramienta podría contabilizar nombres de productos del menú de todo el sitio como parte del tema de la página y crear la falsa impresión de que la cobertura es muy completa. Si utiliza la extracción por URL, compruebe también que la herramienta pueda leer el contenido cargado dinámicamente. Si no puede confirmarlo, importe el cuerpo del texto después de limpiarlo y conserve por separado el título y los subtítulos.

Convertir la lista de entidades en un registro de brechas que permita actuar

Al elegir una herramienta, compruebe si admite el idioma objetivo, la localización de fragmentos en el texto original, la clasificación de entidades y la exportación de resultados. Los servicios básicos de reconocimiento de entidades son adecuados para extraer objetos; las herramientas de análisis semántico que permiten comparar páginas de referencia sirven para identificar pistas sobre posibles omisiones. Ninguna de las dos sustituye el análisis de la intención de búsqueda.

Analice la página objetivo y las páginas de referencia con la misma herramienta y la misma configuración, y luego agrupe las expresiones sinónimas. Por ejemplo, «acero inoxidable 316L» y «316L de acero inoxidable» no deberían contarse sin más como dos brechas independientes; sin embargo, no se deben agrupar grados de materiales distintos solo para reducir el número de elementos. En las páginas multilingües, verifique la terminología en el idioma objetivo; no se limite a traducir al otro idioma una lista de entidades en chino y aplicarla tal cual.

Para cada posible brecha, resulta más útil registrar «evidencia en el texto original — pregunta del usuario — acción a realizar» que anotar una puntuación de cobertura:

Algunas herramientas ofrecen puntuaciones de «prominencia», «relevancia» o «confianza». Estas pueden indicar, respectivamente, el grado de prominencia de una entidad en el texto, su relación con el tema o la seguridad de su identificación. No deben confundirse entre sí ni interpretarse como puntuaciones de posicionamiento en buscadores. Que una palabra aparezca repetidamente en las páginas de referencia tampoco demuestra que la página objetivo deba usarla con la misma frecuencia.

Completar la información necesaria para decidir, no una lista de sustantivos

Las brechas que conviene corregir primero son las que afectan a la comprensión, la comparación o la capacidad del usuario para actuar. En el ejemplo de la selección de una bomba centrífuga, si la página solo enumera materiales y parámetros, pero no explica cómo las condiciones del fluido influyen en la selección de materiales y sellos, esta brecha debería tener prioridad. No es necesario ampliar de paso información poco relacionada con la tarea de la página, como la historia de la marca o el catálogo de accesorios.

Al añadir información, establezca relaciones del tipo «objeto — atributo — condición — efecto». Por ejemplo, no basta con añadir la palabra «viscosidad»: hay que explicar que la viscosidad es uno de los datos de entrada para la selección y que la evaluación del rendimiento correspondiente debe basarse en la documentación de rendimiento aplicable o en cálculos de selección. Tampoco se debe insinuar que el acero inoxidable es adecuado para todos los fluidos corrosivos solo porque se mencione este material.

La información debe colocarse donde el usuario la necesite: las explicaciones de los parámetros, en la descripción de especificaciones; las limitaciones de uso, junto a la descripción de las aplicaciones; y las comparaciones completas entre productos, en una página independiente con enlaces internos. Si se incorpora cada posible brecha al cuerpo del texto, la página puede dejar de centrarse en la selección y convertirse en una colección desordenada de términos.

En la revisión, compruebe tanto «qué se ha añadido» como «si ahora resulta más útil»

Volver a realizar el análisis después de los cambios permite confirmar si se han expresado los objetos omitidos y si los sinónimos se han agrupado correctamente. Pero es aún más importante revisar manualmente si el nuevo contenido responde a una pregunta concreta, si las relaciones descritas son precisas, si cuentan con respaldo en documentación técnica y si introducen temas secundarios ajenos a la página actual.

Antes de publicar, conserve un registro de los cambios que indique qué se añadió y en qué fuentes se basa. Tras la publicación, observe los cambios a partir de las consultas de búsqueda, el rendimiento de clics de las páginas relacionadas y las preguntas recibidas en consultas comerciales pertinentes. El posicionamiento y el tráfico también dependen del rastreo, la competencia, los enlaces y otros factores; por tanto, no se deben atribuir todos los cambios a corto plazo a la inclusión de entidades.

El resultado más valioso de la detección de entidades no es una tabla de puntuaciones en la que todo aparezca en verde, sino un registro de cambios que explique, elemento por elemento, «por qué falta, dónde se añadirá y cuál es su fundamento». Las recomendaciones que no puedan vincularse con preguntas reales de los usuarios no deben justificar una ampliación del contenido, aunque la herramienta las señale repetidamente.